• 中文核心期刊
  • 中国科技核心期刊
  • ISSN 1007-6336
  • CN 21-1168/X

MessageBoard

Dear readers, authors and reviewers, if you have any questions about the contribution, review, editing and publication of this magazine, you can add comments on this page. We'll get back to you as soon as possible. Thank you for your support!

UserName
Email
Phone
Title
Content
Code
Volume 40 Issue 1
Jan.  2021
Article Contents

Citation:

An investigation of the pollutants discharge control strategies in Xiangshan bay based on 3D hydrodynamic and water quality numerical modelling

  • Received Date: 2019-11-20
    Accepted Date: 2020-04-15
  • A numerical model based on Delft 3D, an open source three-dimensional hydrodynamic model, was built to simulate the temporal and spatial distribution of tidal level, tidal current, temperature and salinity in Xiangshan bay. Calculated results were found to match the measured data closely, which demonstrated the model was able to simulate the hydrodynamic characteristics of Xiangshan bay accurately. Based on the validated flow model, a water quality model was built to investigate the migration and transformation process of pollutants in Xiangshan bay. The simulation results were again found to match with the measured data and the model is capable of reproducing the variation trend of the most water quality variables in Xiangshan bay. The verified water quality model was then applied to analyze the influence of the sewage outlets on the water quality variables in Xiangshan bay considering the timing of the discharge (during ebb tide), variation of discharge rate and layout of the sewage outlets. The simulation results showed that the water quality environment of Xiangshan bay was clearly affected by the locations of sewage outlets and the three design scenarios considered could all directly reduce the DIN concentration in the bay with different scenarios shown different influencing characteristics.
  • 加载中
  • [1] 徐祖信, 廖振良. 水质数学模型研究的发展阶段与空间层次[J]. 上海环境科学, 2003, 22(2): 79-85.
    [2] LIANG S X, HAN S L, SUN Z C. Parameter optimization method for the water quality dynamic model based on data-driven theory[J]. Marine Pollution Bulletin, 2015, 98(1/2): 137-147.
    [3] 韩松林, 梁书秀, 孙昭晨. 狭长海湾象山港三维污染物运移特征的数值模拟[J]. 海洋通报, 2014, 33(5): 511-518. doi: 10.11840/j.issn.1001-6392.2014.05.005
    [4] 韩松林, 梁书秀, 孙昭晨. 基于FVCOM的象山港海域潮汐潮流与温盐结构特征数值模拟[J]. 水道港口, 2014, 35(5): 481-488. doi: 10.3969/j.issn.1005-8443.2014.05.003
    [5] 解 静, 梁书秀, 孙昭晨, 等. 象山港污染物漂移扩散规律研究[J]. 水道港口, 2012, 33(5): 430-435.
    [6] 陆仁强, 何璐柯. 基于Delft3D模型的近海水环境质量数值模拟研究[J]. 海洋环境科学, 2012, 31(6): 877-880.
    [7] LIU Q Q, CHAI F, DUGDALE R, et al. San Francisco Bay nutrients and plankton dynamics as simulated by a coupled hydrodynamic-ecosystem model[J]. Continental Shelf Research, 2018, 161: 29-48. doi: 10.1016/j.csr.2018.03.008
    [8] ZHOU F, CHAI F, HUANG D J, et al. Investigation of hypoxia off the Changjiang Estuary using a coupled model of ROMS-CoSiNE[J]. Progress in Oceanography, 2017, 159: 237-254. doi: 10.1016/j.pocean.2017.10.008
    [9] BAUSTIAN M M, MESELHE E, JUNG H, et al. Development of an Integrated Biophysical Model to represent morphological and ecological processes in a changing deltaic and coastal ecosystem[J]. Environmental Modelling & Software, 2018, 109: 402-419.
    [10] QIAN W, GAN J P, LIU J W, et al. Current status of emerging hypoxia in a eutrophic estuary: The lower reach of the Pearl River Estuary, China[J]. Estuarine, Coastal and Shelf Science, 2018, 205: 58-67. doi: 10.1016/j.ecss.2018.03.004
    [11] 董礼先, 苏纪兰. 象山港水交换数值研究Ⅱ. 模型应用和水交换研究[J]. 海洋与湖沼, 1999, 30(5): 465-470. doi: 10.3321/j.issn:0029-814X.1999.05.001
    [12] DES M, DECASTRO M, SOUSA M C, et al. Hydrodynamics of river plume intrusion into an adjacent estuary: the Minho River and Ria de Vigo[J]. Journal of Marine Systems, 2019, 189: 87-97. doi: 10.1016/j.jmarsys.2018.10.003
    [13] KIM J, LEE T, SEO D. Algal bloom prediction of the lower Han River, Korea using the EFDC hydrodynamic and water quality model[J]. Ecological Modelling, 2017, 366: 27-36. doi: 10.1016/j.ecolmodel.2017.10.015
    [14] 李 洋, 潘明祥, 陈 燕. 数值模型在长江流域一级河网中的模拟应用[J]. 环境科学与技术, 2010, 33(12F): 531-534.
    [15] 黄秀清, 王金辉, 蒋晓山. 象山港海洋环境容量及污染物总量控制研究[M]. 北京: 海洋出版社, 2008.
    [16] 王海丽, 杨季芳, 陈吉刚, 等. 象山港海域硝化细菌与反硝化细菌的时空分布特征及其与环境因子的关系[J]. 生态学杂志, 2011, 30(4): 752-762.
    [17] 刘 莲, 任 敏, 华敏敏, 等. 象山港西部海域夏季浮游植物生态学研究:Ⅰ. 种类组成及年际变化[J]. 海洋科学, 2013, 37(5): 94-99.
    [18] 顾新根, 徐兆礼. 象山港中、西部浮游植物生态及赤潮研究[J]. 海洋渔业, 1993, 15(5): 199-204.
  • 加载中

Figures(7) / Tables(4)

Article Metrics

Article views(3261) PDF downloads(14) Cited by()

Related
Proportional views
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

An investigation of the pollutants discharge control strategies in Xiangshan bay based on 3D hydrodynamic and water quality numerical modelling

  • 1. College of Civil Engineering and Architecture, Zhejiang University, Hangzhou 310058, China
  • 2. Ningbo Institute of Technology, Zhejiang University, Ningbo 315100, China
  • 3. Ningbo Research Institute, Zhejiang University, Ningbo 315100, China
  • 4. School of Engineering, University of Liverpool, Liverpool L693GH, United Kingdom

Abstract: A numerical model based on Delft 3D, an open source three-dimensional hydrodynamic model, was built to simulate the temporal and spatial distribution of tidal level, tidal current, temperature and salinity in Xiangshan bay. Calculated results were found to match the measured data closely, which demonstrated the model was able to simulate the hydrodynamic characteristics of Xiangshan bay accurately. Based on the validated flow model, a water quality model was built to investigate the migration and transformation process of pollutants in Xiangshan bay. The simulation results were again found to match with the measured data and the model is capable of reproducing the variation trend of the most water quality variables in Xiangshan bay. The verified water quality model was then applied to analyze the influence of the sewage outlets on the water quality variables in Xiangshan bay considering the timing of the discharge (during ebb tide), variation of discharge rate and layout of the sewage outlets. The simulation results showed that the water quality environment of Xiangshan bay was clearly affected by the locations of sewage outlets and the three design scenarios considered could all directly reduce the DIN concentration in the bay with different scenarios shown different influencing characteristics.

    HTML

  • 象山港是宁波市东南沿海的一个半封闭深水港湾,位于六横道西侧,南、北两侧分别为象山半岛和穿山半岛,是东北-西南走向的狭长港湾。象山港港域狭长(中心线长约60 km),岸线曲折,港内宽度为3~8 km,口门宽度约20 km,通过佛渡水道与舟山海域相连。象山港中部水深最大(超过30 m),口门和港顶部较浅,一般为10~20 m。象山港海洋资源丰富,具有潮差大、湾口小、有效库容大、水清和港深等特点,蕴藏着丰富的潮汐能资源,有较高的开发利用价值和发展前景。近年来,随着沿港经济的迅猛发展以及海洋开发活动的不断加剧,区域内工业废水、生活污水、农业生产污水(含化肥、农药)和船舶污水的排放日益增多。象山港作为该区域的主要港湾水体,成为陆源污染物的直接承受者,再加上港内海水养殖也产生污染,这些因素导致港内的水环境污染逐渐加重,水体出现富营养化,赤潮发生的频率也逐年上升,对象山港的海洋环境和生态系统造成了极大的危害。

    近年来,随着计算机技术和偏微分方程数值求解方法的快速发展,水动力-水质模型被广泛应用于河口海岸工程中,是预测水环境状况的主要工具[1]。有些学者采用FVCOM海洋模型重点研究了象山港余环流结构[2-4],并利用WASP建立了象山港三维水质模型,为进一步提高模型的计算精度,采用数据驱动理论的参数优化方法,对水质模型参数进行了选择和优化,并验证了该优化方法的有效性。解静等[5]利用FVCOM污染物示踪模型及主要排污口的反演排放数据,模拟了象山港COD、DIN、DIP 3种污染物的输移扩散过程,总结了污染物的输移扩散规律。陆仁强等[6]利用Delft 3D研究了天津市近岸海域污染物在流场驱动下呈现出的规律性运动轨迹(区域性污染规律)及影响范围。Liu 等[7]建立了基于碳、硅酸盐和氮的物理生化耦合模型,用于研究旧金山湾营养物质循环和浮游生物动态特征的时空变化。Zhou等 [8]利用ROMS-CoSiNE耦合模型对2006年长江口缺氧问题进行了研究,重现了缺氧的发展过程,分析了缺氧的影响因素。Baustian等[9]建立了综合性的生物物理模型,揭示了河口三角洲盐度和水位变化对植被空间分布的影响以及水动力条件下如何通过侵蚀造成湿地面积的损失。Qian等 [10]基于长时间序列监测的数据集研究了珠江口下游近25年的溶解氧现状及其变化趋势,研究表明,河口富营养化是低氧区存在的主要原因。

    综上可知,对于沿海河口的水环境研究及象山港区域的水环境数值模拟已积累了许多经验,但大多集中于水环境质量特征分析及相关污染物输移扩散规律的定性分析,而对沿岸排污口的排放策略研究相对较少。本文基于Delft 3D建立了象山港三维水动力水质耦合模型,确定了适用于象山港的水质模型参数。为减少排污口对象山港水质的影响,利用港内排污口及养殖区排污数据,设计3种排污策略,并采用验证后的水质模型对其进行模拟计算。将3种排污策略的模拟结果分别与正常排污情况对比,定量分析3种排污策略对象山港DIN总量的影响。

  • 1.   材料与方法

      1.1.   水动力模型构建及验证

      1.1.1.   模型介绍
    • Delft 3D-Flow模型是基于简化后的Navier-Stokes方程,其简化主要的假设如下。

      (1)静水压强假定:垂向压力梯度与浮力平衡,垂向加速度远小于重力加速度而不作考虑。

      (2)Boussinesq假定:水体不可以压缩,其密度与压力无关,仅在水平压强梯度项中考虑。

      其连续性方程为:

      式中:ζ为水位,m;d为水深,m;t为时间,s;UV分别表示xy方向垂向平均速度,m/s;Q为单位面积由于排水、引水、蒸发或降雨等引起的水量变化,m/s。

      三维方向的动量方程为:

      式中:uvω分别为xyz方向的流速,m/s;f为科氏力参数,1/s;PuPv为静压力梯度,kg/(m2·s2);FuFv为辐射应力,m/s2υV为垂向粘性系数,m2/s;H为水深,m;qinqout为单位体积流入和流出的水量,1/s;PE分别为单位面积的降雨和蒸发,m/s。

    • 1.1.2.   模型设置
    • 水动力模型采用正交曲线网格,有限差分法进行离散,交替隐式法进行求解。外海地形资料采用美国NOAA提供的全球地形和海洋深度数据ETOPO1(网格精度1弧分,约1.8 km),近岸海域水深地形数据通过中国海图电子版提取。模型考虑了潮流、风应力、径流和海表热通量的共同作用,模拟时间为2009年01月01日8:00至2010年01月01日8:00,时间步长为1 min。整个模型采用嵌套网格(如图1所示),建立大区域范围二维模型,计算网格数为507×1289,最大网格分辨率为1500 m,最低分辨率为100 m。外海开边界条件选择MIKE21预报的水位时间序列进行插值。采用2011年潮位及潮流实测资料进行模型率定,最终选取曼宁系数为0.017 s/m1/3,水平涡黏系数为80 m2/s。采用2009年潮位及潮流实测资料进行模型验证,在验证合理的基础上为小区域建立的三维模型提供准确的边界条件。小区域模型计算网格数为72×324,垂向分层为11层,同时给出初始温度场(20 ℃)和盐度场(25)。小区域模型温度、盐度边界条件采用邻近实测站点数据的线性插值,底部摩阻系数及水平涡黏系数与大区域模型一致。

      象山港海域有两个潮位、潮流监测站,分别位于中港的乌沙山测站(WSS)和外港的0917测站。同时,宁波海洋环境监测中心在象山港海域布置了13个监测站点(XS01-XS13),每个站点记录的数据为表层的水温、盐度、化学需氧量、溶解氧、氨氮、硝酸氮、活性磷酸盐、Chl a等,监测频率为半个月一次,具体位置如图2所示。

      Figure 1.  The calculated domain and mesh

      Figure 2.  Location of observed stations in Xiangshan bay

    • 1.1.3.   模型验证及分析
    • 象山港属于强潮浅水半日潮海湾,受湾内地形及岸线的影响,潮流除口门附近略带旋转性外,其余水域涨、落潮流流向基本与岸线平行,呈明显的往复流性质,港内中部和顶部区域水交换偏弱,水交换速率区域性变化较大,湾口交换速度较快,越靠近湾顶越慢[11]。夏季温度、盐度引起的密度流和风生流对狭湾内部的余流结构和粒子的运移轨迹影响显著[4]。根据宁波市海洋环境监测中心的海洋水文实测资料,采用2009年枯水期(2月25日12:00-3月13日14:00)及丰水期(6月20日0:00-7月09日0:00)的潮流、潮位实测资料对模型进行水动力验证。根据2009年4月1日至11月1日水质监测站位的表层温度及盐度实测资料对模型进行温度、盐度验证。部分模拟结果与实测数据的对比结果如图3所示。由图3可知,模拟结果与实测资料吻合较好,与韩松林[3-4]和解静[5]构建的象山港水动力模型的验证结果一致。象山港内涨潮时水流呈扩散状流入,流速较小,落潮时海水汇入主水道,流速较涨潮时大,涨潮时间大于落潮时间,显示出象山港涨、落潮流的不对称性。在个别时刻,潮流计算值与实测值存在一定的偏差,其原因可能是底部摩擦系数取值存在一定的误差或测站位置过于靠近岛屿。水位误差的原因可能是本文构建模型的平面计算网格较大,监测点所处网格与实际位置存在一定的偏差。考虑到平均误差均在合理范围之内,水动力以及温度、盐度验证过程整体上与实测资料对比良好,说明模型选取的参数基本合理,可用于计算象山港的水动力场及温、盐场。

      Figure 3.  (a)-(b) Comparison between simulated and observed tidal level at Wushashan; (c)-(j) Comparison between simulated and observed current speed and direction at 0917; (k)-(n) Comparison between simulated and observed temperature,salinity at XS03 and XS05

    • 1.2.   水质模型构建及验证

      1.2.1.   模型介绍
    • 象山港属于半封闭港湾,湾口处水体交换主要受潮汐影响,水体交换不够顺畅,水质易受沿岸污染排放的影响,生态平衡较为脆弱。建立象山港水动力水质模型,对象山港水环境质量的评估、管理和预测都具有重要意义。目前国际上使用较多的模型主要有Delft 3D[12]、EFDC[13]和DHI[14]等。Delft 3D模型内置的水流与水质模块可实现无缝结合,在水文水质耦合模拟方面具有较大的优势。因此,本文在上述水动力模型的基础上,利用Delft 3D-Waq模块构建了象山港水质模型,用于分析排污口的排放策略。

      Delft 3D-Waq模块包含11组状态变量,可设置543种水质过程及相关参数,用于模拟水体中溶质的各种迁移转化情况。水质模型的核心问题是求解对流-扩散-反应方程,方程的本质是物质的质量守恒:

      即质量随时间的变化为对流项、扩散项、源项之和。最终的三维对流-扩散-反应方程表达式为:

      式中:C为浓度,g/m3v为流速,m/s;D为扩散系数,m2/s;S为流入项;fR为反应项。

      由于水质模型所涉及的水质生化过程多为经验公式,首先要设定繁多的水质参数(许多参数难以获取),其次要对模型进行调试,计算量巨大,因此构建水质模型时需要考虑海域的实际情况,对水质过程进行合理的简化,突出模型的模拟重点。图4为针对象山港实际情况采用的水质模型框架,模拟了溶解氧、含碳生化需氧量、浮游植物(硅藻,用Chl a表示)、氨氮、硝酸盐、有机氮、有机磷、无机磷酸盐8个主要变量的水质过程,并涉及了浮游植物动力学、溶解氧平衡、氮循环和磷循环等转化过程(浮游植物死亡后转化为N、P营养盐和CBOD;有机氮和有机磷一部分通过矿化反应转换为无机氮和无机磷,一部分沉入水底;溶解氧的生化过程主要有海-气相互作用的复氧过程、CBOD的氧化过程、浮游植物的光合作用、呼吸作用、营养盐的硝化过程和沉积物的内耗氧过程)。

      Figure 4.  The state variables interaction in water quality model

    • 1.2.2.   模型参数设置
    • 水质初始场以港内监测站位的平均实测值为数据来源,排污口及养殖区的排放方式均为连续性排放。根据《象山港海洋环境容量及污染物总量控制研究》[15],将各分区的年均排放数据转为日排放数据,平均分配到每个排污口,输入模型后自动插值计算,边界条件为邻近监测站位的水质实测数据。排污口及养殖区位置分布如图5所示。

      Figure 5.  The location of the sewage outlets and mariculture in Xiangshan bay

      由于象山港海域情况复杂多变,为了使水质模型更适用于象山港的水质管理和规划,对CBOD的衰减速率以及氨氮的硝化速率进行敏感性分析,确定水质计算中选用的模型参数值。氨氮硝化速率分别取0.1、0.01、0.001、0.0001 (1/d) 4个不同的量级,然后对水质模拟与实测数据进行对比。取0.1时,氨氮浓度模拟结果整体偏小,与实测结果偏差较大。取另外3组数值时,模拟结果与实测数据验证合理,并且3组模拟结果相差小于0.01 g/m3,因此在本模型中氨氮硝化速率取中间值为0.001。此外,根据象山港海域的实测数据,2007年表层海水、上覆水及沉积物中硝化细菌的平均值分别为2240 cells/mL、3610 cells/mL和6450 cells/mL,反硝化细菌平均值分别为4840 cells/mL、5310 cells/mL和3120 cells/mL[16]。实验室污水处理中硝化、反硝化细菌的数量级通常为7次方,因此硝化速率取为0.001 (1/d)。CBOD衰减速率取值方法同氨氮,最后确定为0.001 (1/d)。其他相关的主要水质参数及过程数据经过模型调试及敏感性分析后取值参见表1

      参数含义取值单位参数含义取值单位
      温度、盐度耦合水动力文件一阶反硝化速率0.001d−1
      植物沉降速率 0.5d−1CBOD衰减速率0.001d−1
      一阶硝化速率0.001d−1底泥需氧量0.2gO2·m−2·d−1
      风速3.8m·s−1有机物矿化速率0.5d−1

      Table 1.  Parameters value for the water quality model

    • 1.2.3.   模型验证及分析
    • 图6给出了XS04站位以及外港、中港、内港DIN和COD浓度的验证对比。由图6可知,水质模拟结果验证效果良好,与韩松林[3]构建的象山港水质模型的验证结果较为一致,基本趋势与实测结果吻合较好。春、秋季表层溶解氧浓度大于夏季,7月份溶解氧浓度最低,有明显的季节变化规律。Chl a浓度反映了象山港内浮游植物硅藻的含量,从图6可以看出,港内浮游植物在春、夏季含量较高,局部达到最高值,该时间段内其他营养盐含量也偏高,为植物生长提供了丰富的营养物质。硝氮及磷酸盐有明显的随季节变化而变化的趋势,秋季浓度高于春、夏季浓度,营养盐在湾内积累。CBOD是反映象山港有机污染的重要水质指标,从图6中可以看出CBOD的季节分布均匀,春、夏季有较大的浓度,与Chl a浓度变化趋势相对应。象山港3个分区COD指标都符合一类水质标准,湾口及湾中部DIN基本符合二类水质标准,湾顶由于水交换能力弱,水质明显较差,DIN达Ⅳ类水质标准,说明象山港DIN污染程度高,港内氮营养盐含量高,特别是港顶水域与外海连接不畅,水交换能力较弱,导致港顶的污染物不易扩散,这与董礼先等[11]的研究结果一致。

      Figure 6.  (A)-(F) Comparison between model-simulated results and measured data for the six water quality state variables at station XS04; (G)-(L) Comparison between model-simulated results and measured data for DIN and COD in the outer, middle and inner part of Xiangshan bay

      模拟结果的误差分析见表2。由表2可知,各项水质指标的平均相对误差均小于55%,其中,DO的相对误差最低(7.30%),而Chl a、NH4和OPO4的相对误差偏高,因为在浮游植物的模拟过程中,本文的模型仅考虑了营养盐、温度和盐度的影响,而对于可能相关的重金属、有机质及油类等因素并未考虑[17-18]。此外,排放量和浓度是根据已有的统计数据进行年均分配,而实际的排污数据是实时变化的,并且还受风况、降雨等其他因素的影响。但总体而言,本文构建的水质模型能较好地反映水质的变化趋势,可以用于象山港排污口的排污策略分析。

      指标DOCBODNH4NO3OPO4Chl a
      平均绝对误差0.4350.0760.0190.1040.0170.728
      平均相对误差/(%)7.3018.9849.7418.1750.5741.72
      均方根误差0.5260.0980.0220.1250.0181.125

      Table 2.  Error analysis of simulation results of the water quality model

    2.   结果与讨论
    • 首先,采用已构建的象山港水质模型对排污口的流量进行分析。设计两种工况,将排污口的排放量分别增加和减小50%,研究排放量对象山港的水质影响。表3为两种工况下,各站位水质指标的变化。从表3可以看出,随着排放量的增加,氮、磷、CBOD的浓度增加;减小排放量,各指标的浓度也减少,但不同站位和指标的变化幅度却不尽相同。水质指标中变化幅度较大的为CBOD和氨氮,较小的为硝氮和溶解氧(平均变化幅度小于2.5%),其原因可能是水体中各营养物质的生化过程不一样,使排放量对不同指标的影响程度也不同。综上可知,排污口对内港的水质影响明显大于外港,这是因为内港水交换能力较弱,污染物易滞留于港内,而外港水流畅通,水交换能力较强,受影响程度小。

      排放量站位DOCBODNH4NO3OPO4
      增大XS04−1.314.411.71.55.4
      XS07−1.517.013.51.86.5
      XS09−2.027.721.63.511.7
      减小XS041.3−14.4−11.7−1.5−5.4
      XS071.5−17.0−13.5−1.8−6.5
      XS092.0−27.7−21.6−3.5−11.7

      Table 3.  Influence of sewage outlets on the concentration of water quality variables

      其次,对排污口的位置和排放策略进行分析。设计3种排污策略,分别为:①港内所有排污口整合成一个位于水交换能力较强的湾口排污口,排污口位置及数量均发生改变;②港内所有排污口减排50%,位置及数量保持不变;③港内所有排污口的排污时间集中在每日落潮期间,位置及数量保持不变。图7为3种排污策略下,象山港4月-11月外港、中港及内港的DIN总量对比图。表4给出了3种排污策略下DIN浓度的变化量,3种策略都可以直接降低象山港的DIN浓度,但程度不尽相同。减少排污口的数量并将排污口位置移到湾口的工况下,象山港的DIN浓度降低17.52%,内港的DIN浓度可降低10.27%。通过减排,象山港的DIN浓度降低9.11%,其中,内港DIN浓度降低5.24%。采用每日落潮时间排污,外港、中港和内港的DIN浓度都能得到缓解,象山港的DIN浓度降低9.57%,尤其是外港的DIN浓度可降低3.05%。通过3种排污策略的对比可知,排污口的整合可以有效地降低内港的DIN浓度,这是由于排污口空间布局上的变化直接减少了内港的排污口数量,缓解了内港高浓度DIN的情况。改变排污口的排放时间,采用每日落潮时段排污,在水交换较强的外港,污染物随着落潮流快速地向外扩散,从而有效地降低外港的DIN浓度。在水交换能力较弱的内港,减排50%对于降低港内DIN浓度的效果要优于落潮排放方式。

      Figure 7.  Comparison of DIN concentration among three pollutants discharge control strategies

      排污策略DIN降低比例/(%)
      外港中港内港总计
      排污整合−2.07−5.18−10.27−17.52
      减排50%−1.13−2.74−5.24−9.11
      落潮排放−3.05−3.29−3.23−9.57

      Table 4.  The influence degree of different pollutants discharge control strategies

    3.   结 论
    • (1)本文基于Delft 3D建立了象山港三维水动力模型,用于计算象山港的水动力特性,并采取实测的潮位、潮流、温度以及盐度数据对该模型进行验证,计算结果和实测结果吻合较好,表明该模型对于水动力模拟具有较高的精度和有效性,可为后续水质模拟提供水动力场和温、盐场。

      (2)在三维水动力模型基础上,进一步建立了包含浮游植物、溶解氧、CBOD、氨氮、硝氮和无机磷酸盐等主要水质变量的模型,该模型详细考虑了污染物在海域内的漂移扩散以及生化反应过程,模拟结果与实测结果吻合良好,误差在合理范围内。基于建立的水质模型是排污口增加、减少50%排放的两组工况,可以看出,排污口对CBOD及氨氮的影响明显大于硝氮和磷酸盐。

      (3)将排污口整合成一个位于湾口的排污口、减排50%以及每日落潮时段排污3种排污策略都能直接降低港内的DIN浓度。其中,每日落潮时段排污可以有效地降低外港DIN浓度,而整合排污口和减排更适用于内港。

Reference (18)

Catalog

/

DownLoad:  Full-Size Img  PowerPoint
Return
Return